基于时序 InSAR 的闭矿残余变形机理 - 数据协同预测

《Engineering Geology》：Mechanistic–data collaborative prediction of residual deformation in closed mines based on time-series InSAR

　　

•开发了针对剩余沉降和隆起的阶段特异性机理模型
•开发了用于阶段识别和关键参数反演的InSAR数据方法
•一种机理-数据协同方法可预测闭矿区的剩余变形

**引言**

矿产资源开发为现代工业体系运行和区域经济增长提供了重要基础。然而，地下开采对地层结构、地表形态和生态环境造成的扰动往往表现出明显的滞后显现特征，并可能在矿山关闭后以长期工程地质风险的形式持续涌现（Morris等人，2005；Xie等人，2017；Hu和Yuan，2021；Yuan和Yang，2021）。随着全球资源开发进入中后期，能源系统加速向低碳和清洁路径转型，矿山关停和关闭正变得越来越规模化和常态化。公共统计和相关研究表明，全球废弃或关闭的矿山遗留区域已达百万量级，广泛分布于北美、欧洲、澳大利亚、非洲和东亚的传统矿区（Song，2010；Chang和Zou，2014；Liu等人，2018；Huo等人，2019；Getty和Morrison-Saunders，2020）。中国作为全球最大的煤炭生产和消费国，在"双碳"目标和产能重构的双重驱动下，经历了煤矿关闭的持续加速。"十一五"至"十三五"期间，累计关闭煤矿约2.3万处，且这一进程预计未来仍将持续（Peng等人，2020；中国煤炭工业协会，2021）。因此，确保地质安全并推动闭矿区土地的再开发和再利用，已成为全球资源型地区转型发展中必须紧急应对的重要科学与工程问题。

尽管矿山关闭释放了土地再利用、矿坑水和关联资源的潜力，但停止开采并不意味着采动效应的终结。相反，在应力重新分布、岩体蠕变和风化劣化、地下水位恢复以及孔隙压力调整等耦合作用下，采空区内的断裂岩体及其上覆地层持续经历长期再平衡过程，从而诱发持久的剩余地表变形（Karfakis，1987；Teng和Zhang，1997；Reddish和Whittaker，2012；Vervoort，2016）。此类剩余变形可表现为持续沉降、回弹隆起，甚至更复杂的演变模式，如沉降向隆起的转变。其特征为隐蔽性强、演化缓慢、持续时间长，但累积效应显著，从而对废弃工矿土地再利用、基础设施耐久性评估和人居安全构成长期制约。现有监测研究表明，英国威尔士南部煤田的关闭矿山发生了广泛的地表隆起，最大隆起速率约为10 mm/年（Wódka等人，2024）。在波兰Siersza煤矿周围地区，矿山关闭多年后仍观测到持续的剩余位移，局部正速率先可达约20 mm/年（Bateson等人，2015）。这些观测表明，闭矿区的剩余地表变形具有显著的长期持续性、复杂性和区域变异性，其演化规律和预测方法仍有待进一步研究。

在观测与识别层面，闭矿区的剩余变形可使用GNSS和水准测量等地面监测方法进行测量。然而，这些方法受监测点分布稀疏、长期维护成本高和区域覆盖不足等限制，难以满足大面积闭矿区长期连续变形的识别与分析需求。得益于大面积覆盖、高时空连续性和历史档案可获取性，时序InSAR已成为监测和量化闭矿区剩余变形的重要工具（Massonnet等人，1993；Mora等人，2002）。特别是在闭矿场景中，时序InSAR可有效揭示地表沉降和隆起的缓慢演化过程，为长期变形研究提供关键数据支撑（Vervoort，2016；Zheng等人，2019；Chen等人，2025；Rigamonti等人，2025）。然而，闭矿区的地表变形时序通常不呈现单一趋势过程，而是同时包含长期演化趋势、周期性波动和噪声扰动。其中，周期分量可能受地下水位波动、降雨入渗和季节性荷载等因素影响，不同矿区的主导驱动机制差异显著。因此，从长期InSAR变形时序中分离长期趋势分量与周期性扰动，提取真正表征剩余变形演化的有效信息，是长期预测的前提条件。

在预测方法方面，现有研究大致可分为两类：机理模型和数据驱动模型。机理模型通常基于采动断裂岩体的压实、上覆地层的长期调整和地下水恢复来表征剩余地表变形的演化过程。早期研究分别通过考虑地表运动的时间依赖特征、断裂岩体的非线性压实和与矿井水回升相关的地表隆起，建立了剩余变形时间函数、压实本构模型和隆起响应模型（Schober和Sroka，1983；Bekendam和P?ttgens，1995；Yavuz，2004；Zhang等人，2022）。在此基础上，近期研究进一步考虑了剩余变形参数的时变特征、上覆地层的渐进破坏、地质和开采条件差异及其对地表建筑物安全的影响（Wang和Deng，2015；Hu等人，2022；Lv等人，2023）。然而，这些方法往往高度依赖经验参数或有限的现场观测，而关键参数仍然难以识别。因此，预测结果对参数选择较为敏感，长期外推的区域可迁移性和稳定性仍然有限。

相比之下，数据驱动方法对历史变形序列进行统计学习，在短期预测或局部点分析中通常能达到较高精度。近年来，机器学习和深度学习的进展进一步提升了表征复杂非线性变形时序的能力。Luo等人提出了一种结合SBAS-InSAR与DBO-CNN-LSTM模型的闭矿区剩余地表变形精确预测方法（Luo等人，2026）。He等人建立了基于Earthformer_MSTSP和MSDS_G的预测框架，利用InSAR数据实现了矿区剩余地表变形的高精度预测（He等人，2026）。Zhang等人分析了沉降、降雨和地下水深度之间的关系，提出了一种基于InSAR和CNN-BiGRU-Attention的地表沉降预测方法（Zhang等人，2025）。然而，此类方法通常缺乏显式物理约束，对训练样本长度、数据质量、缺失观测和噪声水平高度敏感。其预测结果也难以直接转化为工程可解释的稳定性指标。更重要的是，闭矿区的剩余变形表现出显著的分阶段演化特征，不同阶段可能由不同机制主导，如断裂岩体压实、地下水恢复和上覆地层的延迟结构调整等。因此，单一机理模型不足以描述完整的演化过程，而单一数据驱动模型则难以捕捉阶段转换背后的物理本质。因此，目前仍缺乏一种能够联合引入机理约束和监测数据支撑、适用于闭矿区剩余变形长期稳定预测的统一方法。

为解决上述问题，本文针对闭矿采空区剩余变形提出了一种阶段感知的机理-数据协同预测框架。基于SBAS-InSAR获取的长期变形观测数据，对趋势和周期分量进行分解和提取，识别剩余变形的演化阶段。针对不同阶段，分别建立了用于剩余沉降的压实-软化模型和用于地下水恢复诱发的隆起模型。随后，以InSAR趋势分量作为关键参数反演和长期剩余变形趋势预测的观测约束条件。通过时序观测约束机理模型参数，所提框架降低了传统机理预测对经验参数的依赖，并弥补了纯数据驱动模型物理约束不足的缺陷。该方法可为闭矿区长期稳定性评估提供定量依据，也为监测数据有限条件下的机理-数据协同预测提供方法论参考。

**数据与研究区**

研究区位于徐州西北部，距市中心约13公里。主要研究对象包括夹河煤矿、石屯煤矿、庞庄煤矿庞庄立井和张小楼立井。这些矿井的地理位置和空间分布如图1所示。

研究区位于徐州复合背斜西北部的九里山向斜中段，基岩一般被覆盖物所覆盖。

**SBAS-InSAR处理**

为获取研究区内闭矿区采后剩余地表变形的长期信息，对小基线子集干涉合成孔径雷达（SBAS-InSAR）方法应用于Sentinel-1 A SAR影像进行时序反演，从而获取研究区的地表变形时序和累积位移场。SBAS-InSAR处理的总体流程如图3所示（Berardino等人，2002）。

小基线SBAS-InSAR

**闭矿采空区剩余地表变形特征**

基于2020至2025年的SBAS-InSAR监测结果，徐州西北部的夹河、石屯、庞庄和张小楼各矿井在关闭后的剩余地表变形表现出显著的分阶段差异。代表性煤层的累积垂直变形、平均垂直变形速率和停采年限如图4所示。具体而言，图4(a)展示了累积垂直变形，而图4(b)展示了平均垂直变形。

**预测可靠性分析**

所提方法的预测可靠性主要体现在两个方面。首先，反演参数和预测结果与研究区的工程地质背景具有良好的物理一致性。其次，超出监测窗口新获取的InSAR数据为预测结果提供了独立验证，如图13所示。

对于沉降阶段，张小楼煤矿75216层的反演结果表明地下水位相对较低。

**结论**

本研究提出了一种基于长期InSAR时序的阶段感知机理-数据协同预测方法。该方法利用SBAS-InSAR获取的长期地表变形进行趋势分量分解和阶段识别，并针对沉降阶段建立了压实-软化模型，针对隆起阶段建立了地下水恢复驱动模型。以趋势分量作为机理模型参数反演的观测约束条件，所提方法……

**CRediT作者贡献声明**

曹景春：写作—初稿、验证、软件、资源、项目管理、方法论、调查研究、形式化分析、数据管理、概念化。李怀占：写作—审稿与编辑、可视化、验证、监督、资金获取。郭广利：写作—审稿与编辑、可视化、验证、资金获取。赵建峰：验证、软件、方法论、形式化分析。丁晨坚：可视化、验证、方法论。裴雷祥……

**利益冲突声明**

作者声明不存在任何可能影响本文所报告工作的已知竞争性经济利益或个人关系。

**致谢**

本工作由中国国家重点研发计划（2023YFC3804201）和徐州市科技计划项目（KC23020）资助。

曹景春|李怀占|郭广利|赵建峰|丁晨坚|裴雷祥|施纪彪|卜怀智|华翔|李明良|唐超|孙靖超|王天宁